基于人工智能深度学习的卫星影像分类研究

以芒市2019年卫星影像及2019年林地一张图成果为研究对象,基于深度学习的卫星影像分类研究,构建森林资源分类识别模型,以提高森林资源监测能力。将裁剪后的芒市2019年卫星影像分有林地、灌木林地、未成林地及耕地、建设用地5个类别导入自定义的ResNet18模型进行深度学习,并对学习结果进行验证。实验结果显示,在模型训练过程中,随着迭代次数的增加,模型的损失值逐渐减小,且训练样本越多,准确率越高。

基于多源卫星影像SVM分类方法的研究

简要介绍了卫星影像的预处理过程——纠正和融合,对3种常用融合方法SFIM融合、HIS融合和Brovey融合进行了分析比较,在此基础上对卫星影像的分类方法进行了比较分析,重点研究并详细介绍了多源卫星影像SVM分类方法。

基于SPOT5遥感影像的珲春林业局森林分类研究

利用SPOT5卫星图像对研究区森林类型进行计算机分类,总体精度普遍不高,并且许多森林地类或林分类型的生产者精度和用户精度均比较低,林分类型与检验样本都存在较大偏差。在四种分类方法中,马氏分类法精度最高,总体精度达到57.13%,Kappa系数0.5208。